Загрузите речевой сигнал, произведенный в $$F_s=7418Hz$$. Файл содержит запись женского голоса, говоря слово "MATLAB®". Проигрывайте звук.

load mtlb

% To hear, type soundsc(mtlb,Fs)

Симулируйте ситуацию, в которой шумный канал передачи повреждает части сигнала безвозвратно. Введите разрывы случайной длины примерно каждые 500 выборок. Сбросьте генератор случайных чисел для восстанавливаемых результатов.

rng default

gn = 3;

mt = mtlb;

gl = randi([300 600],gn,1);

for kj = 1:gn
    mt(kj*1000+randi(100)+(1:gl(kj))) = NaN;
end

Постройте исходные и поврежденные сигналы. Возместите поврежденный сигнал для простоты отображения. Проигрывайте сигнал с разрывами.

plot([mtlb mt+4])
legend('Original','Corrupted')

% To hear, type soundsc(mt,Fs)

Восстановите сигнал с помощью авторегрессивного процесса. Используйте fillgaps с настройками по умолчанию. Постройте исходные и восстановленные сигналы, снова с помощью смещения. Проигрывайте восстановленный сигнал.

lb = fillgaps(mt);

plot([mtlb lb+4])
legend('Original','Reconstructed')

% To hear, type soundsc(lb,Fs)

Загрузите файл, который содержит измерения глубины формы, используемой, чтобы чеканить пенс Соединенных Штатов. Данные, взятые в Национальном институте стандартов и технологий, производятся на 128 128 сетка.

load penny

Чертите контурный график с 25 медно-красными линиями контура.

nc = 25;

contour(P,nc)
colormap copper
axis ij square

Введите четыре 10 10 разрывы в данные. Чертите контурный график поврежденного сигнала.

P(50:60,80:90) = NaN;
P(100:110,20:30) = NaN;
P(100:110,100:110) = NaN;
P(20:30,110:120) = NaN;

contour(P,nc)
colormap copper
axis ij square

Используйте fillgaps восстановить данные, обрабатывая каждый столбец как независимый канал. Задайте 8-й порядок авторегрессивная модель, экстраполируемая от 30 выборок в каждом конце. Чертите контурный график реконструкции.

q = fillgaps(P,30,8);

contour(q,nc)
colormap copper
axis ij square

Сгенерируйте функцию, которая состоит из суммы двух синусоид и Лоренцевой кривой. Функция производится на уровне 200 Гц в течение 2 секунд. Постройте результат.

x = -1:0.005:1;

f = 1./(1+10*x.^2)+sin(2*pi*3*x)/10+cos(25*pi*x)/10;

plot(x,f)

Вставьте разрывы с промежутками (-0.8,-0.6), (-0.2 0.1), и (0.4 0.7).

h = f;

h(x>-0.8 & x<-0.6) = NaN;
h(x>-0.2 & x< 0.1) = NaN;
h(x> 0.4 & x< 0.7) = NaN;

Заполните разрывы с помощью настроек по умолчанию fillgaps. Постройте исходные и восстановленные функции.

y = fillgaps(h);

plot(x,f,'.',x,y)

Повторите расчет, но теперь задайте максимальную продолжительность последовательности предсказания 3 выборок и порядок модели 1. Постройте исходные и восстановленные функции. В его самом простом, fillgaps выполняет линейную подгонку.

y = fillgaps(h,3,1);

plot(x,f,'.',x,y)

Задайте максимальную продолжительность последовательности предсказания 80 выборок и порядок модели 40. Постройте исходные и восстановленные функции.

y = fillgaps(h,80,40);

plot(x,f,'.',x,y)

Измените порядок модели в 70. Постройте исходные и восстановленные функции.

y = fillgaps(h,80,70);

plot(x,f,'.',x,y)

Реконструкция несовершенна, потому что очень высокие порядки модели часто имеют проблемы с конечной точностью.

Сгенерируйте многоканальный сигнал, состоящий из двух экземпляров щебета, произведенного на уровне 1 кГц в течение 1 секунды. Частота щебета является нулем в 0,3 секунды и увеличивается линейно, чтобы достигнуть окончательного значения 40 Гц. Каждый экземпляр имеет различное значение DC.

Fs = 1000;
t = 0:1/Fs:1-1/Fs;
r = chirp(t-0.3,0,0.7,40);
f = 1.1;
q = [r-f;r+f]';

Введите разрывы сигналу. Один из разрывов покрывает низкочастотную область и другие покрытия высокочастотная область.

gap = (460:720);
q(gap-300,1) = NaN;
q(gap+200,2) = NaN;

Заполните разрывы с помощью параметров по умолчанию. Постройте восстановленные сигналы.

y = fillgaps(q);

plot(t,y)

Заполните разрывы согласно подходящему 14-му порядку авторегрессивные модели к сигналу. Ограничьте модели, чтобы включить 15 выборок на конце каждого разрыва. Используйте функциональность fillgaps построить реконструкции.

fillgaps(q,15,14)

Увеличьте число выборок, чтобы использовать по оценке 150. Увеличьте порядок модели до 140.

fillgaps(q,150,140)